La carga y descarga de carga rodante en roll-on/roll-off son operaciones importantes y muy recurrentes en la logística marítima. En este documento, aplicamos algoritmos de aprendizaje profundo por refuerzo de última generación para automatizar estas operaciones en un entorno complejo y real. El objetivo es enseñar a un capitán de remolcador autónomo a gestionar la carga rodante y realizar operaciones de carga y descarga mientras evita colisiones con obstáculos estáticos y dinámicos en el camino. El agente de inteligencia artificial, que representa al capitán de remolcador, es entrenado y evaluado en un entorno desafiante basado en el marco de aprendizaje Unity3D, llamado ML-Agents, y utilizando optimización de políticas proximales. El agente está equipado con sensores para la detección de obstáculos y recibe retroalimentación en tiempo real del entorno gracias a su propia función de recompensa, lo que le permite adaptar dinámicamente sus políticas y estrategia de navegación. La evaluación del rendimiento muestra que al elegir hiperparámetros apropiados, los agentes pueden aprender con éxito todas las operaciones requeridas, incluyendo el seguimiento de carriles, la evitación de obstáculos y la colocación de carga rodante. Este estudio también demuestra el potencial de los sistemas autónomos inteligentes para mejorar el rendimiento y la calidad del servicio del transporte marítimo.